近日，工學(xué)院張軍國(guó)教授團(tuán)隊(duì)在輸電線路智慧驅(qū)鳥(niǎo)方向取得重要研究進(jìn)展，提出了一種用于智能驅(qū)鳥(niǎo)設(shè)備的輕量化自注意力度量網(wǎng)絡(luò)，有效提升了輸電線路場(chǎng)景下鳥(niǎo)類識(shí)別的實(shí)時(shí)性與準(zhǔn)確性。該成果以《A lightweight self-attention metric network for bird species recognition in intelligent bird repellent equipment》為題，發(fā)表于人工智能和工程交叉領(lǐng)域國(guó)際頂級(jí)期刊《Engineering Applications of Artificial Intelligence》（中國(guó)科學(xué)院一區(qū)TOP期刊，影響因子8）。
隨著生態(tài)環(huán)境改善導(dǎo)致鳥(niǎo)類數(shù)量與活動(dòng)范圍擴(kuò)大，輸電線路鳥(niǎo)害頻發(fā)，而受限采集條件與稀疏分布使標(biāo)注數(shù)據(jù)不足，致使邊緣驅(qū)鳥(niǎo)設(shè)備難以實(shí)現(xiàn)高精度、低功耗的差異化鳥(niǎo)類識(shí)別。針對(duì)這一問(wèn)題，研究團(tuán)隊(duì)提出了一種自注意力度量網(wǎng)絡(luò)（SAM-Net）用于輸電線路場(chǎng)景下的少樣本鳥(niǎo)類識(shí)別。該網(wǎng)絡(luò)集成了簡(jiǎn)單注意力與自相關(guān)表示模塊，以增強(qiáng)對(duì)關(guān)鍵語(yǔ)義區(qū)域的關(guān)注能力；同時(shí)引入推土距離度量方式，用于表征圖像間的結(jié)構(gòu)相似性，從而提升局部判別特征在鳥(niǎo)類圖像識(shí)別中的利用率。此外，為在判別性能與部署效率之間實(shí)現(xiàn)最佳平衡，通過(guò)解耦知識(shí)蒸餾策略從SAM-Net中提煉出的輕量化SAM-Net（LSAM-Net），以在保持識(shí)別準(zhǔn)確率的同時(shí)顯著降低計(jì)算和存儲(chǔ)開(kāi)銷。在智能驅(qū)鳥(niǎo)設(shè)備上的測(cè)試結(jié)果顯示，LSAM-Net在推理速度、參數(shù)效率和計(jì)算成本方面均具有顯著優(yōu)勢(shì)，實(shí)現(xiàn)了在資源受限邊緣設(shè)備上的高效部署。
SAM-Net網(wǎng)絡(luò)結(jié)構(gòu)
該研究成果在網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)上兼顧了高效輕量化與少樣本魯棒性，為輸電線路中特定鳥(niǎo)類的智能識(shí)別與防護(hù)提供了技術(shù)支撐，可為鳥(niǎo)類行為的實(shí)時(shí)監(jiān)測(cè)與科學(xué)管理、生態(tài)保護(hù)與電力設(shè)施安全提供高效、智能化的解決方案，同時(shí)也為生態(tài)人工智能在更多復(fù)雜應(yīng)用場(chǎng)景中的發(fā)展奠定了基礎(chǔ)。
論文第一作者為我校工學(xué)院教授謝將劍、博士生謝珊珊，通訊作者為張軍國(guó)教授。帝國(guó)理工學(xué)院Bj?rn W. Schuller教授等共同參與了上述研究。
該研究由北京市自然科學(xué)基金項(xiàng)目（5252014）和國(guó)家重點(diǎn)研發(fā)計(jì)劃（2023YFF1304301）共同資助。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S0952197625025771#d1e5969
